模糊控制论文

1、关于模糊控制技术的发展现状及其应用前景摘 要：从信息技术的观点来看, 模糊控制是一种基于规则的专家系统。从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器。综合介绍了当代该领域的基本理论和发展现状，展望了未来的应用前景。关键词：非线性；发展现状；应用前景文章编号： 20-2010-4 中图分类号：tp391.9 文献标识码：aon the status of fuzzy control technology and its application prospectsabstract：from the it point of view, fuzzy control is a ru

2、le-based expert system. control system technology from the point of view, fuzzy control is a universal nonlinear characteristics of the domain controller. an overview of the basic theory in the field of contemporary and present development and look forward to a future prospect.keywords：nonlinear; de

3、velopment status; application prospects40引 言模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法，它从行为上模仿人的模糊推理和决策过程。该方法首先将操作人员或专家经验编成模糊规则，然后将来自传感器的实时信号模糊化，将模糊化后的信号作为模糊规则的输入，完成模糊推理，将推理后得到的输出量加到执行器上，实现了模糊控制。控制理论经过了经典控制理论和现代控制理论两个具有里程碑意义的重要阶段，在科学理论和实际应用上都取得了辉煌的成就。当前，国内外控制界都把复杂系统的控制作为控制科学与工程学科发展的前沿方向，大型复杂工业过程作为重要的北京领域

4、，以其特有的复杂性推动着这一学科的发展。在过去的二十几年中，以模糊推理、神经网络和遗传算法等为主要内容的智能控制技术取得了长足的发展，在一些非线性或难以建立对象解析模型的系统控制中发挥着重要作用。1 模糊控制系统简介模糊控制系统是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。1965年美国的扎德创立了模糊集合论, 1973 年, 他给出了模糊逻辑控制的定义和相关的定理。1974 年英国的mamdani 首先用模糊控制语句组成模糊控制器,并把它用于锅炉和蒸汽机的控制, 在实验室获得成功, 这一开拓性的工作标志着模糊控制论的诞生。模糊控制系统主要是模拟人的思维、推理和判断

5、的一种控制方法, 它将人的经验、常识等用自然语言的形式表达出来, 建立一种适用于计算机处理的输入输出过程模型, 是智能控制的一个重要研究领域。从信息技术的观点来看, 模糊控制是一种基于规则的专家系统。从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器。相对传统控制, 包括经典控制理论与现代控制理论。模糊控制能避开对象的数学模型(如状态方程或传递函数等) , 它力图对人们关于某个控制问题的成功与失败和经验进行加工, 总结出知识, 从中提炼出控制规则, 用一系列多维模糊条件语句构造系统的模糊语言变量模型, 应用cri 等各类模糊推理方法,可以得到适合控制要求的控制量, 可以说模糊控

6、制是一种语言变量的控制。模糊控制实质上是一种非线性控制，从属于智能控制的范畴。模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。模糊控制的发展最初在西方遇到了较大的阻力；然而在东方尤其是在日本，却得到了迅速而广泛的推广应用。近20多年来，模糊控制不论从理论上还是技术上都有了长足的进步，成为自动控制领域中一个非常活跃而又硕果累累的分支。其典型应用的例子涉及生产和生活的许多方面，例如在家用电器设备中有模糊洗衣机、空调、微波炉、吸尘器、照相机和摄录机等；在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等的模糊控制；在专用系统和其它方面有地铁靠站停车、汽车驾驶、电梯、自动扶梯

7、、蒸汽引擎以及机器人的模糊控制等。模糊控制具有以下特点:(1) 模糊控制是一种基于规则的控制。它直接采用语言型控制规则, 出发点是现场操作人员的控制经验或相关专家的知识, 在设计中不需要建立被控对象的精确数学模型, 因而使得控制机理和策略易于接受与理解, 设计简单, 便于应用;(2) 由工业过程的定性认识出发, 比较容易建立语言控制规则, 因而模糊控制对那些数学模型难以获取、动态特性不易掌握或变化非常显著的对象非常适用;(3) 基于模型的控制算法及系统设计方法, 由于出发点和性能指标的不同, 容易导致较大差异; 但一个系统的语言控制规则却具有相对的独立性, 利用这些控制规律间的模糊连接, 容易

8、找到折中的选择, 使控制效果优于常规控制器;(4) 模糊控制算法是基于启发性的知识及语言决策规则设计的, 这有利于模拟人工控制的过程和方法, 增强控制系统的适应能力, 使之具有一定的智能水平;(5) 模糊控制系统的鲁棒性强, 干扰和参数变化对控制效果的影响被大大减弱, 尤其适合于非线性、时变及纯滞后系统的控制。除此, 模糊控制还有比较突出的两个优点:第一, 模糊控制在许多应用中可以有效且便捷地实现人的控制策略和经验;第二, 模糊控制可以不需被控对象的数学模型即可实现较好的控制, 这是因为被控对象的动态特性已隐含在模糊控制器输入、输出模糊集及模糊规则中。模糊控制也有缺陷, 主要表现在: 1) 精

9、度不太高; 2) 自适应能力有限; 3) 易产生振荡现象。2 模糊控制的现状模糊控制的研究主要体现在控制器的研究和开发以及各类实际应用中, 目前模糊控制已经应用在各个行业。各类模糊控制器也非常多, 模糊控制器的研究一直是控制界研究的热点问题, 而关于模糊控制系统的稳定性分析则是模糊控制需要研究和解决的基本问题。目前已经出现了为实现模糊控制功能的各种集成电路芯片。开发模糊控制系统的软件工具也出现了不少。下面作一简单介绍。2.1 与其它智能控制的结合或融合模糊控制与其它智能控制的复合产生了多种控制方式方法。主要表现在:2.1.1 模糊pid 控制器模糊pid 控制器的研究是将模糊技术与常规的pid

10、 控制算法相结合的一种控制方法, 得到了许多学者的关注。模糊pid 控制器是一种双模控制形式。这种改进的控制方法的出发点主要是消除模糊控制的系统稳态误差, 利用pid 控制器提高控制精度, 消除误差, 增加稳态控制性能。从pid 控制角度出发, 提出fi pi、fi pd、fi pid 三种形式的模糊控制器, 并能运用各种方式得出模糊控制器中量化因子、比例因子同pid 控制器的因子kp 、ki 、kd之间的关系式。对基于简单线性规则ts 模型的模糊控制器进行了分析, 指出这类模糊控制器是一种非线性增益pid 控制器。有人试图利用ga 算法, 通过性能指标评价函数, 决定模糊控制器的ke 、ke

11、c 、ku 等参数。2.1.2 自适应模糊控制器自适应模糊控制器就是借鉴自适应控制理论的一些理念来设计模糊控制器, 也称作语言自组织模糊控制器(soc) , 它的思想就在于在线或离线调节模糊控制规则的结构或参数, 使之趋于最优状态。目前主要有通过采用一种带有修正因子的控制算法, 改变控制规则的特性; 或直接对模糊控制规则进行修正; 还有一种是对控制规则进行分级管理, 提出自适应分层模糊控制器; 又有人提出规则自组织自学习算法, 对规则的参数以及数目进行自动修正; 更进一步的是采用神经网络对模糊控制规则及参数进行调整, 也是一种实现模糊自适应控制的好方法。2.1.3 模糊控制与神经控制的融合神经

12、模糊控制是神经网络技术与模糊逻辑控制技术相结合的产物, 是指基于神经网络的模糊控制方法。模糊系统是建立在if2then 表达式之上, 这种方式容易让人理解, 但是在自动生成和调整隶属函数和模糊规则上却很困难。而人工神经网络是模拟人直观性思维的一种方式, 它是将分布式存储的信息并行协同处理, 是一个非线性动力学系统, 每个神经元结构简单, 但大量神经元构成网络系统能实现很强的功能, 因此人工神经网络具有自适应的学习能力、容错性和鲁棒性, 并且神经网络对环境的变化具有较强的自适应能力, 所以可结合神经网络的学习能力来训练_模糊规则, 提高整个系统的学习能力和表达能力。现有人工神经网络代表性的模型有

13、感知器、多层映射、bp 网络、rbf 神经网络实现局部或全部的模糊逻辑控制功能, 前者如利用神经网络实现模糊控制规则或模糊推理, 后者通常要求网络层数多于3 层;自适应神经网络模糊控制, 利用神经网络的学习功能作为模型辨识或直接用作控制器; 基于模糊神经网络的隶属函数及推理规则的获取方法, 具有模糊连接强度的模糊神经网等, 均在控制中有所应用。而且, 还有神经网络与遗传算法同模糊控制相结合的自调整应用。2.1.4 遗传算法优化的模糊控制考虑到模糊控制器的优化涉及到大范围、多参数、复杂和不连续的搜索表面, 而专家的经验只能起一个指导作用, 很难根据它准确地定出各项参数, 因而实际上还要反复试凑,

14、 寻找一个最优过程。因此,人们自然想到用遗传算法来进行优化。遗传算法应用于模糊控制器的优化设计是非常适合的, 遗传算法的运行仅由适应度数值驱动而不需要被优化对象的局部信息。此外, 优化模糊控制器正好符合遗传算法的所谓“积木块”假设, 积木块指长度较短的、性能较好的基因片段。用遗传算法优化模糊控制器时, 优化的主要对象是模糊控制器的隶属函数和规则集。已经有人运用这个方法对倒立摆控制器隶属函数的位置、形状等参数, 结果表明遗传算法优化后的隶属函数远远优于手工设计的。显然通过改进遗传算法, 按所给优化性能指标, 对被控对象进行寻优学习, 可以有效地确定模糊逻辑控制器的结构和参数。2.1.5 模糊控制

15、与专家控制相结合专家模糊控制系统是由专家系统技术和模糊控制技术相结合的产物。把专家系统技术引入模糊控制之中, 目的是进一步提高模糊控制器的智能水平。专家模糊控制保持了基于规则的方法的价值和用模糊集处理带来的灵活性, 同时把专家系统技术的表达, 利用知识的长处结合进来。专家系统技术考虑了更多方面的问题, 如是什么组成知识, 如何组织、如何表达、如何应用知识。专家系统方法重视知识的多层次及分类的需要, 以及利用这些知识进行推理的计算机组织。将模糊控制与专家控制相结合能够表达和利用控制复杂过程和对象所需的启发式知识, 重视知识的多层次和分类的需要, 弥补了模糊控制器结构过于简单、规则比较单一的缺陷,

16、 赋予了模糊控制更高的智能; 二者的结合还能够拥有过程控制复杂的知识, 并能够在更为复杂的情况下对这些知识加以有效利用。除以上介绍的几种主要方式外,还有多变量模糊控制, 模糊系统建模及参数辨识、模糊滑模控制器、模糊解耦控制器、模糊变结构控制、模型参考自适应控制、最优模糊控制器、模糊预测控制等。2.2 模糊控制的软硬件产品为了更好的利用模糊控制, 相继有不少公司开发了模糊控制的软件工具和硬件集成电路。这里介绍了两类开发工具, 一类是开发模糊系统的软件工具, 如freeware、fide、东芝ifcs、nec fl sde 、fc - tool v110 。另一类是通用模糊逻辑开发工具, 如cub

17、icalc、fuzzy -c、fuzzl e 118 、metus fuzzy l ibrary、fuzzy logic designer 等。并介绍了一些其它的开发工具。2.3 模糊控制的一些应用模糊控制的应用非常广泛。除广泛应用于工业控制、家电控制、水电控制、航天等外。我们还可以用在统计上、决策系统上、制造活性炭过程中等。3 模糊控制展望模糊控制虽然已经有不少的研究成果, 而且也被广泛地应用于生产实践中。但模糊控制仍然是一个充满争议的领域。由于它的发展历史还不长，理论上的系统性和完善性，技术上的成熟性和规范性都还是不够的，尤其是模糊控制与其他智能化控制方法相结合的控制方法, 还有待于人们在

18、实践中得到验证和进一步的提高。 模糊系统理论还有一些重要的理论课题没有解决。其中两个重要的问题是:如何获得模糊规则及隶属函数，这在目前完全凭经验来进行;以及如何保证模糊系统的稳定性。 大体说来，在模糊控制理论和应用方面应加强研究的主要课题为： 适合于解决工程上普遍问题的稳定性分析方法，稳定性评价理论体系;控制器的鲁棒性分析，系统的可控性和可观测性判定方法等。 模糊控制规则设计方法的研究，包括模糊集合隶属函数的设定方法，量化水平，采样周期的最优选择，规则的系数，最小实现以及规则和隶属函数参数自动生成等问题;进一步则要求我们给出模糊控制器的系统化设计方法。 模糊控制器参数最优调整理论的确定，以及修正推理规则的学习方式和算法等。 模糊动态模型的辨识方法。 模糊预测系统的设计方法和提高计算速度的方法。 神经网络与模糊控制相结合，有望发展一套新的智能控制理论。 模糊控制算法改进的研究:由于模糊逻辑的范畴很广，包含大量的概念和原则;然而这些概念和原则能真正的在模糊逻辑系统中得到应用的却为数不多。这方面的尝试有待深入。 最优模糊控制器设计的研究:依据恰当提出的性能指标，规范控制规则的设计依据，并在某种意义上达到最优。4 结论模糊控制随着社会的需求，已经慢慢的应用到社会的工业控制、家电控制、水电控制、航天等外。在未